Persistent Agent
Jak działa
Agent trwały rozszerza pętlę agentową o warstwę trwałości. (1) Pamięć długoterminowa: obserwacje, podsumowania i fakty zapisywane są poza oknem kontekstu — w bazie danych lub magazynie wektorowym — i selektywnie przywoływane (retrieval) do bieżącego kontekstu. Wzorce takie jak strumień pamięci z retrieval i refleksją (Generative Agents) czy zarządzanie pamięcią wirtualną w stylu systemu operacyjnego (MemGPT) decydują, co przenieść między „pamięcią roboczą" a magazynem. (2) Zarządzanie stanem i checkpointing: stan zadania (kroki, wyniki pośrednie, historia) jest utrwalany, co pozwala wznowić przerwane wykonanie (durable execution). (3) Pętla zdarzeń / harmonogram: długożyjący proces lub runtime nasłuchuje zdarzeń, wybudza agenta według harmonogramu lub triggerów i pozwala mu działać w tle między sesjami użytkownika. (4) Tożsamość i konfiguracja persony utrwalane są wraz z pamięcią, dzięki czemu agent zachowuje spójne zachowanie w czasie.
Rozwiązany problem
Standardowe wywołanie modelu językowego jest bezstanowe: po zakończeniu zapytania lub sesji model nie zachowuje żadnej pamięci ani kontekstu, a okno kontekstu jest skończone. Uniemożliwia to agentom budowanie wiedzy o użytkowniku, kontynuowanie długich zadań po restarcie oraz działanie w tle między interakcjami. Persistent AI Agent rozwiązuje ten problem, wprowadzając trwałą pamięć i stan oraz długożyjący proces wykonawczy.
Komponenty
Magazyn (baza danych, magazyn wektorowy, system plików) przechowujący obserwacje, podsumowania i fakty poza oknem kontekstu modelu, z selektywnym przywoływaniem do bieżącego kontekstu.
Oficjalna
Utrwalanie stanu zadania (kroki, wyniki pośrednie, historia), umożliwiające wznowienie przerwanego wykonania po restarcie procesu.
Oficjalna
Długożyjący proces lub runtime, który nasłuchuje zdarzeń oraz wybudza agenta według harmonogramu lub triggerów, umożliwiając działanie w tle między sesjami.
Oficjalna
Logika decydująca, które wspomnienia i fragmenty stanu wczytać do ograniczonego okna kontekstu na podstawie trafności, świeżości lub ważności.
Oficjalna
Utrwalona konfiguracja tożsamości, celów i zachowania agenta, zapewniająca spójność w czasie wielu interakcji.
Oficjalna
Implementacja
Nieograniczone gromadzenie wspomnień zapełnia okno kontekstu i podnosi koszty; bez podsumowywania i przycinania jakość przywoływania spada.
Utrwalone fakty mogą się dezaktualizować lub wzajemnie przeczyć, prowadząc do błędnych decyzji agenta.
Agent działający w tle w pętli może generować ciągłe wywołania modelu i koszty bez wyraźnego warunku zakończenia.
Trwała pamięć może gromadzić wrażliwe dane i stać się wektorem ataku (np. zatruwanie pamięci / prompt injection utrwalony w stanie).
Ewolucja
Park i in. przedstawiają agentów z trwałym strumieniem pamięci, przywoływaniem i refleksją, utrzymujących spójne zachowanie przez długi czas.
Packer i in. proponują warstwowe zarządzanie pamięcią przenoszące informacje między pamięcią roboczą a magazynem, dając agentom trwały stan między sesjami.
Rozwój produkcyjnych frameworków z trwałym stanem, checkpointingiem i durable execution upowszechnia wzorzec agenta trwałego.
Hiperparametry (konfigurowalne osie)
Reguły decydujące, co zapisać, podsumować, a co odrzucić w pamięci długoterminowej.
Ile tokenów okna kontekstu przeznacza się na przywołaną pamięć kontra bieżące zadanie.
Jak często i w reakcji na jakie zdarzenia agent jest wybudzany do działania w tle.
Zakres, w jakim agent działa bez potwierdzenia człowieka między sesjami.
Wymagania sprzętowe
Wzorzec jest warstwą architektoniczną/orkiestracyjną wokół wywołań modelu; nie zależy od konkretnego akceleratora. Wymaga trwałego magazynu (baza/magazyn wektorowy) i długożyjącego procesu, a nie wyspecjalizowanego sprzętu.